CN107895036A - 一种基于安全加密在线考试作弊分析处理方法 - Google Patents

一种基于安全加密在线考试作弊分析处理方法 Download PDF

Info

Publication number
CN107895036A
CN107895036A CN201711206797.0A CN201711206797A CN107895036A CN 107895036 A CN107895036 A CN 107895036A CN 201711206797 A CN201711206797 A CN 201711206797A CN 107895036 A CN107895036 A CN 107895036A
Authority
CN
China
Prior art keywords
examination
examinee
answer
abnormal behaviour
exam
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711206797.0A
Other languages
English (en)
Inventor
姚伟强
周基初
张宇
郑凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Asia Pacific Mdt Infotech Ltd
Original Assignee
Hefei Asia Pacific Mdt Infotech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Asia Pacific Mdt Infotech Ltd filed Critical Hefei Asia Pacific Mdt Infotech Ltd
Priority to CN201711206797.0A priority Critical patent/CN107895036A/zh
Publication of CN107895036A publication Critical patent/CN107895036A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Computational Linguistics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Social Psychology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于安全加密在线考试作弊分析处理方法，其包括以下步骤：记录每个考生在答每道题的时间；以异常动作为关键行为筛选视频数据库中存出的异常行为动作，提取异常行为动作发生的时间并进行特定存储；分析考生发生异常动作行为的时间内，所答的试题以及试题对应的答案；提取所有考生在考试过程中的答案信息，对提取的考试答案进行量化,并对量化后的考生的考试答案进行关联度分析；将试题答案与其他考生的试题答案间的关联度大于0.5的试题存储至试题库。本发明提供的在线考试作弊分析处理方法基于考生在考试过程中发生的异常行为动作，进而分析考试是否存在作弊问题，分析的准确性高，大大减少考试作弊的现象，提高考试的公平性。

Description

一种基于安全加密在线考试作弊分析处理方法
技术领域
本发明属于在线考试作弊分析技术领域，涉及到一种基于安全加密在 线考试作弊分析处理方法。
背景技术
近年来，随着计算机和互联网的发展，基于计算机和互联网技术的在 线考试系统得到了发展，例如在大型的GRE、GMAT等考试中得到了推广应 用。在线考试系统通常包括一个考试服务器，以及一个或多个考试站，考 卷通过网络从服务器发送到考试站，考试站收集应试者应答数据，并发送 回考试服务器。在进行这样的在线考试时，特别是在考试对考场纪律要求 非常严格，或者考试结果对于可靠性要求非常高的时候，需要花费大量时 间和精力来确保考试的完整性。首先，考生必须进行登记，确保有资格的 人登记参加考试。其次，需要确保登记的人才被允许参加考试。在考试过 程中，需要配备专门人员监督考试以确保不发生作弊。并且，在线考试中 一个非常重要的方面是要确保计算机上考试问题信息以及计算机运行环境 的安全，以确保应试者不会利用考试的机器作弊，或者考试信息不会被盗、 泄露、被越权访问以及被修改。所有这些安全措施都需要大量经费和人力。 目前国内外对在线考试进行监考主要是采取集中机房、人工监考的方式。 这种方式需要准备专用的考场，并采用传统的人工监考的方式。与传统的 标准纸质考试相比较，这种在线考试方式只是在试卷生成和收集方面做出 了改进，在监考方式方面仍然完全套用传统的方法。部分在线考试系统尝 试性的增加了视频监控功能。美国Prometric(普尔文)考试公司就是国际上 最大的计算机化教育和考试认证服务的公司，开创了计算机化考试技术和 管理标准，用于GRE和TOFEL等考试的机考系统，就具有考场视频监控功能， 但是这种技术只是实现了考试环境的视频记录，不能实现针对每个考试个 体和计算机的同步监控，除此之外，这种监控系统还需要大量人力参与分 析视频信息，不能实现对海量视频信息的异常行为动作进行分析、处理， 进而导致无法对在线考试的考生是否存在作弊行为的判断，另外，当考生 出现异常状况时，并无法说明考生偷看其他考生的试题，进而无法判断该 考生是否存在作弊的现象，一旦监考老师通过视频判断考生作弊，而其实 该考生并未发生作弊问题，将导致考试存在公平性差的问题，同时，无法 实现考试作弊的自动检测，浪费监考人员的时间与精力。
发明内容
本发明的目的在于提供一种基于安全加密在线考试作弊分析处理方 法，解决了现有考试过程中，无法对异常行为的考生进行是否存在作弊进 行准确的判断分析，缺乏公平性差，且大量浪费监考人员的时间与精力的 问题。
本发明的目的可以通过以下技术方案实现：
一种基于安全加密在线考试作弊分析处理方法，其包括以下步骤：
S1、以考试内容涉及的教科书为原始考试内容数据库，提取考试内容 数据库中与本次考试内容相匹配的知识点，并按照每道考题不同的知识点 进行分类，且记录每个考生在答每道题的时间信息；
S2、采集考试现场考生的视频信息，存储至视频数据库，且通过虹膜 识别装置对考生的虹膜信息进行采集与识别，并将识别的虹膜信息与存储 有考生身份的虹膜数据库进行匹配识别；
S3、以异常动作为关键行为筛选视频数据库中存出的异常行为动作， 提取异常行为动作发生的时间信息，以及该行为的延续时长；将筛选的异 常行为动作进行特定存储；
S4、分析考生发生异常动作行为的时间信息，并根据时间信息筛选在 该时间段前后5min中内，该考生所答的试题以及试题对应的答案；
S5、提取所有考生在考试过程中的答案信息，对提取的考试答案进行 量化,并对量化后的考生的考试答案进行关联度分析,定义所有考生中存在 异常行为的考生的考试答案Ai(ai1,ai2,.....,ain),其中，n表示考试 的总题数，其他考生的考试答案对应的数据库Bij{b1j,b2j,...,bnj},其中， bn表示第j个同学对应的第n题的答案,根据行为异常考生的考试答案以 及考试正确答案对应的数据库,计算出该考生的考试答案与其他考生的考 试答案的关联度量化关系其中,m为本考场中总的考 生人数,
S6、根据检测的异常行为考生在发生异常行为的时间段内，对考生的 试题答案与其他考生的试题答案进行逐一关联度对比，并将关联度大于0.5 的存储至试题库。
进一步地，当采集的考生的虹膜信息与虹膜数据库中存储的虹膜信息 不匹配，则表示考生身份出现作弊，将不对该考生的考试内容进行分析。
进一步地，步骤S3中，所述特定存储为对异常行为动作进行编码，并 对编码进行存储。
进一步地，所述编码与异常行为动作间为一一对应的关系。
本发明的有益效果：
本发明提供的在线考试作弊分析处理方法基于考生在考试过程中发生 的异常行为动作，并根据异常行为动作发生时的时间段内，考生所完成的 考试试题，并将该时间段所完成的试题与考场内所有考生的试题答案进行 关联度分析，进而判断考生是否存在在线考试作弊的问题，该方法具有检 测速度快、准确性高的特点，大大减少考试作弊的现象，提高考试的公平 性。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、 完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出 创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明为一种基于安全加密在线考试作弊分析处理方法，其包括以下 步骤：
S1、以考试内容涉及的教科书为原始考试内容数据库，提取考试内容 数据库中与本次考试内容相匹配的知识点，并按照每道考题不同的知识点 进行分类，同时，记录每个考生在答每道题的时间信息；
S2、采集考试现场考生的视频信息，存储至视频数据库，且通过虹膜 识别装置对考生的虹膜信息进行采集与识别，并将识别的虹膜信息与存储 有考生身份的虹膜数据库进行匹配识别；
S3、若采集的考生的虹膜信息与虹膜数据库中存储的虹膜信息不匹配， 则表示考生身份出现作弊，将不对该考生的考试内容进行分析；若采集的 考生的虹膜信息与虹膜数据库中存储的虹膜信息相匹配，则进入步骤S4；
S4、以异常动作为关键行为筛选视频数据库中存出的异常行为动作， 提取异常行为动作发生的时间信息，以及该行为的延续时长；将筛选的异 常行为动作进行特定存储，所述特定存储在存储的过程中对异常行为动作 进行编码，并对异常行为动作的编码进行存储；
S5、分析考生发生异常动作行为的时间信息，并根据时间信息筛选在 该时间段前后5min中内，该考生所答的试题以及试题对应的答案；
S5、提取所有考生在考试过程中的答案信息，对提取的考试答案进行 量化,并对量化后的考生的考试答案进行关联度分析,定义所有考生中存在 异常行为的考生的考试答案Ai(ai1,ai2,.....,ain),其中，n表示考试 的总题数，其他考生的考试答案对应的数据库Bij{b1j,b2j,...,bnj},其中， bn表示第j个同学对应的第n题的答案,根据行为异常考生的考试答案以 及考试正确答案对应的数据库,可具体计算出该考生的考试答案与其他考 生的考试答案的关联度量化关系其中,m为本考场中 总的考生人数,通过以上公式,可了解,对于异常行为的考 生在考试过程中,其考试内容与其他考生的关联程度；
S6、根据检测的异常行为考生在发生异常行为的时间段内，对考生的 试题答案与其他考生的试题答案进行逐一关联度对比，并将关联度大于0.5 进而判断考试是否存在在线考试作弊。
本实施例中，通过时间标记，可对考生在考试过程中的每道试题的答 题时间进行统计，保证时间记录的准确性。
通过采集考场的视频信息并获取考生的虹膜信息，可简单排除替考的 学员，一旦检测到替考考生，与采集视频装置的报警器将发生报警提醒。
本发明提供的在线考试作弊分析处理方法基于考生在考试过程中发生 的异常行为动作，并根据异常行为动作发生时的时间段内，考生所完成的 考试试题，并将该时间段所完成的试题与考场内所有考生的试题答案进行 关联度分析，进而判断考生是否存在在线考试作弊的问题，该方法具有检 测速度快、准确性高的特点，大大减少考试作弊的现象，提高考试的公平 性。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域 的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的 方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围， 均应属于本发明的保护范围。

Claims (4)

1.一种基于安全加密在线考试作弊分析处理方法，其特征在于：其包括以下步骤：
S1、以考试内容涉及的教科书为原始考试内容数据库，提取考试内容数据库中与本次考试内容相匹配的知识点，并按照每道考题不同的知识点进行分类，且记录每个考生在答每道题的时间信息；
S2、采集考试现场考生的视频信息，存储至视频数据库，且通过虹膜识别装置对考生的虹膜信息进行采集与识别，并将识别的虹膜信息与存储有考生身份的虹膜数据库进行匹配识别；
S3、以异常动作为关键行为筛选视频数据库中存出的异常行为动作，提取异常行为动作发生的时间信息，以及该行为的延续时长；将筛选的异常行为动作进行特定存储；
S4、分析考生发生异常动作行为的时间信息，并根据时间信息筛选在该时间段前后5min中内，该考生所答的试题以及试题对应的答案；
S5、提取所有考生在考试过程中的答案信息，对提取的考试答案进行量化,并对量化后的考生的考试答案进行关联度分析,定义所有考生中存在异常行为的考生的考试答案Ai(ai1,ai2,.....,ain),其中，n表示考试的总题数，其他考生的考试答案对应的数据库Bij{b1j,b2j,...,bnj},其中，bn表示第j个同学对应的第n题的答案,根据行为异常考生的考试答案以及考试正确答案对应的数据库,计算出该考生的考试答案与其他考生的考试答案的关联度量化关系其中,m为本考场中总的考生人数,
S6、根据检测的异常行为考生在发生异常行为的时间段内，对考生的试题答案与其他考生的试题答案进行逐一关联度对比，并将关联度大于0.5的存储至试题库。
2.根据权利要求1所述的一种基于安全加密在线考试作弊分析处理方法，其特征在于：当采集的考生的虹膜信息与虹膜数据库中存储的虹膜信息不匹配，则表示考生身份出现作弊，将不对该考生的考试内容进行分析。
3.根据权利要求1所述的一种基于安全加密在线考试作弊分析处理方法，其特征在于：步骤S3中，所述特定存储为对异常行为动作进行编码，并对编码进行存储。
4.根据权利要求3所述的一种基于安全加密在线考试作弊分析处理方法，其特征在于：所述编码与异常行为动作间为一一对应的关系。
CN201711206797.0A 2017-11-27 2017-11-27 一种基于安全加密在线考试作弊分析处理方法 Pending CN107895036A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711206797.0A CN107895036A (zh) 2017-11-27 2017-11-27 一种基于安全加密在线考试作弊分析处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711206797.0A CN107895036A (zh) 2017-11-27 2017-11-27 一种基于安全加密在线考试作弊分析处理方法

Publications (1)

Publication Number Publication Date
CN107895036A true CN107895036A (zh) 2018-04-10

Family

ID=61806414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711206797.0A Pending CN107895036A (zh) 2017-11-27 2017-11-27 一种基于安全加密在线考试作弊分析处理方法

Country Status (1)

Country Link
CN (1) CN107895036A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109726663A (zh) * 2018-12-24 2019-05-07 广东德诚科教有限公司 在线考试监控方法、装置、计算机设备及存储介质
CN109800389A (zh) * 2018-12-13 2019-05-24 平安普惠企业管理有限公司 基于数据分析的识别答题作弊方法、装置、计算机设备
CN109815316A (zh) * 2019-01-30 2019-05-28 重庆工程职业技术学院 考务信息管理系统及方法
CN112182504A (zh) * 2020-09-09 2021-01-05 远光软件股份有限公司 一种基于考试系统的作弊判断方法、装置及电子设备
CN113095968A (zh) * 2019-12-23 2021-07-09 深圳云天励飞技术有限公司 一种作弊识别方法、装置及电子设备
CN113393347A (zh) * 2021-06-07 2021-09-14 武汉华工智云科技有限公司 一种在线考试防作弊的方法和装置
WO2022191798A1 (en) * 2021-03-12 2022-09-15 Bahcesehir Universitesi Online exam security system and a method thereof

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800389A (zh) * 2018-12-13 2019-05-24 平安普惠企业管理有限公司 基于数据分析的识别答题作弊方法、装置、计算机设备
CN109726663A (zh) * 2018-12-24 2019-05-07 广东德诚科教有限公司 在线考试监控方法、装置、计算机设备及存储介质
CN109815316A (zh) * 2019-01-30 2019-05-28 重庆工程职业技术学院 考务信息管理系统及方法
CN109815316B (zh) * 2019-01-30 2020-09-22 重庆工程职业技术学院 考务信息管理系统及方法
CN113095968A (zh) * 2019-12-23 2021-07-09 深圳云天励飞技术有限公司 一种作弊识别方法、装置及电子设备
CN112182504A (zh) * 2020-09-09 2021-01-05 远光软件股份有限公司 一种基于考试系统的作弊判断方法、装置及电子设备
WO2022191798A1 (en) * 2021-03-12 2022-09-15 Bahcesehir Universitesi Online exam security system and a method thereof
CN113393347A (zh) * 2021-06-07 2021-09-14 武汉华工智云科技有限公司 一种在线考试防作弊的方法和装置
CN113393347B (zh) * 2021-06-07 2023-06-16 武汉华工智云科技有限公司 一种在线考试防作弊的方法和装置

Similar Documents

Publication Publication Date Title
CN107895036A (zh) 一种基于安全加密在线考试作弊分析处理方法
CN107196844A (zh) 异常邮件识别方法及装置
CN109726663A (zh) 在线考试监控方法、装置、计算机设备及存储介质
CN108389147A (zh) 试题难度分级处理方法及系统
CN106791633A (zh) 智能监考系统及方法
CN107895336A (zh) 一种基于多方位动态捕捉的在线考试监考系统及工作方法
CN110909722A (zh) 基于目标动作检测的防作弊摄像头
CN103915000A (zh) 一种在线实操训练考核方法
CN108053111A (zh) 电梯分流方法及系统
CN106384316A (zh) 一种考试院实名制验证系统
CN108764640A (zh) 一种基于大数据的个性化的动态教学诊断与改进系统
CN104200415A (zh) 针对在线考场中作弊行为的实时检测方法
CN113794759B (zh) 一种基于区块链的考试云平台系统
CN115660627A (zh) 一种人员考勤的注册培训方法
CN115861173A (zh) 基于数字孪生和ai的分光器资源准确性自动检测系统和方法
CN107967743A (zh) 一种应用于电子招投标中的身份识别方法和系统
CN107169627A (zh) 一种基于增强现实技术的电能表质量管控方法和系统
CN112102530B (zh) 一种校园物联网智能云锁管理系统
CN110544041B (zh) 一种用于财务咨询公司的员工数据管理系统
CN106920194A (zh) 一种防作弊远程考试方法
CN109460714B (zh) 识别对象的方法、系统和装置
CN110309737A (zh) 一种应用于香烟柜台的信息处理方法、装置及系统
CN110442740A (zh) 一种身份认证方法及系统
CN113961902A (zh) 一种家政技能等级认证方法、设备及介质
CN206162732U (zh) 一种岗前强制安全教育培训装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180410